Pengujian Kelayakan Model Regresi Pengujian Multikolinearitas

b. Pengujian Kelayakan Model Regresi

Analisis selanjutnya yang dilakukan adalah menilai kelayakan model regresi logistik yang akan digunakan. Pengujian kelayakan model regresi logistic dilakukan dengan menggunakan Goodness of fit test yang diukur dengan nilai Chi-Square pada bagian bawah uji Homser and Lemeshow. Probabilitas signifikansi yang diperoleh kemudian dibandingkan dengan tingkat signifikasi α 5 . Hipotesis untuk menilai kelayakan model regresi adalah : Ho : Tidak ada perbedaan antara model dengan data Ha : Ada perbedaan antara model dengan data Tabel 4.5 Hosmer and Lemeshow Test Hosmer and Lemeshow Test Step Chi-square df Sig. 1 11,383 8 ,181 Sumber : Lampiran L Tabel 4.5 menunjukkan hasil pengujian Hosmer and Lemeshow. Dengan probabilitas signifikasi menunjukkan angka 0,181, nilai signifikansi yang diperoleh ini jauh lebih besar dari pada 0,05 a 5, maka Ho tidak dapat ditolak diterima. Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati. Atau dapat dikatakan bahwa model mampu memprediksi nilai observasinya.

c. Pengujian Multikolinearitas

Regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat antara variabel bebasnya. Walaupun dalam regresi logistik tidak lagi memerlukan uji asumsi klasik seperti multikolineartilitas, Ghozali, 2004 namun tidak ada salahnya apabila dilakukan uji multikolineartilitas. Pengujian multikolinearitas dalam model ini dengan menggunakan matrik korelasi antar variabel bebas untuk melihat besarnya korelasi antar variabel independen di dalam penelitian ini yaitu rasio gearing GEAR, profitabilitas PROFIT, dan ukuran perusahaan SIZE. Tabel 4.6 menunjukkan korelasi antar variabel independent di dalam penelitian ini. Matrik korelasi dibawah menunjukkan tidak adanya gejala multikolinearitas yang serius antar variabel bebas, sebagaimana terlihat dari nilai korelasi antar variabel bebas masih jauh di bawah 0.8. Korelasi tertinggi antar variable independen terjadi antara variabel GEAR dan PROFIT yaitu 0.131. Tabel 4.6 Correlation Matrix Correlation Matrix Constant GEAR X1 PROFIT X2 LnSIZE X3 Step 1 Constant 1,000 -,085 -,368 -,992 GEAR X1 -,085 1,000 ,131 ,030 PROFIT X2 -,368 ,131 1,000 -,296 LnSiZE X3 -,992 ,030 -,296 1,000 Sumber : Lampiran L

d. Koefisien Determinasi